时间序列预测中的特征处理

特征处理

特征工程通常会提取大量的特征，而好的特征将会对模型的预测功能产生好的影响，是一个事半功倍的过程；差的特征会对模型最终的预测功能产生不利的影响，其实在数据挖掘或数据分析领域，80%的主要工作都集中于对数据的特征处理上，而关于模型的选择和融合仅占20%左右，由此可见特征处理的重要性。

• 劣汰：去除几乎无关的特征，保留大量特征
• 优胜：挑选出良好的特征，组成最优特征子集

在对数据分析并进行特征选择的过程中，主要分为如下三个步骤：数据分析与探索、观察数据特点以去除无用特征、基于相关性分析和独立性分析去除弱关联特征 。

特征重要性分析方法

这里主要说明两种特征重要性分析方法，分别为

1. SHAP
   sklearn中有很多模型都有importance这个接口，可以查看数据特征的重要性，SHAP(SHapley Additive exPlanation)是Python开发的一个“模型解释”包，可以解释任何机器学习模型的输出，对于每个预测样本，模型都会产生一个预测值，SHAP value就是该样本中每个特征所分配到的数值。其中SHAP value的值为正,则表明变量对预测值有促进作用；相反SHAP value的值为负，则表明变量对预测值有抑制作用。
   目前已有开源代码，具体可参考：
   链接：https://github.com/slundberg/shap
2. Permutation Importance
   Permutation Importance也是计算特征重要性的一种